Hvad ved vi om AI's reelle effekt på virksomheders bundlinje?

Trods massive investeringer i kunstig intelligens er det empirisk uklart, om AI faktisk forbedrer virksomheders bundlinje — eller blot er en ny stor udgiftspost.

Konklusion først

Virksomheder verden over investerer historisk store beløb i kunstig intelligens. Alligevel er beviserne for, at AI faktisk forbedrer bundlinjen, overraskende svage og ujævnt fordelte. Gevinsten ser ud til at tilgå de store techvirksomheder, der sælger AI-teknologien — ikke nødvendigvis dem, der køber og anvender den. For danske og andre europæiske virksomheder er billedet yderligere usikkert: Potentialet er reelt, men hvornår og for hvem det indfrier sig, ved vi endnu ikke.

Det politiske spørgsmål

AI er i 2026 rykket til toppen af dagsordenen i erhvervsliv, regeringskontorer og boardrooms verden over. Investeringerne er enorme. Techgiganter som Microsoft, Google, Amazon og Meta bruger hundredvis af milliarder dollars på at bygge infrastruktur til kunstig intelligens, og presset på øvrige virksomheder for at "komme med på AI-toget" er massivt.

I Danmark overvejer tusindvis af virksomheder, hvad de skal gøre. Skal de investere nu? Vente? Og hvad kan de egentlig forvente at få ud af det?

Spørgsmålet er ikke kun forretningsmæssigt. Det handler også om samfundsøkonomi: Vil AI løfte produktiviteten og dermed velfærden bredt? Eller vil gevinsterne koncentrere sig hos en lille gruppe techvirksomheder og deres aktionærer, mens alle andre betaler regningen?

Det er her, økonom Torsten Sløk fra Apollo Global Management sætter spørgsmålstegn. Han har analyseret regnskabsdata fra store amerikanske virksomheder og konkluderer, at AI endnu ikke kan spores i deres bundlinje — og at AI i stigende grad behandles som en driftsudgift snarere end en investering i fremtidig profit.

Det empiriske spørgsmål bag

Kernen i debatten er egentlig et klassisk produktivitetsspørgsmål: Når vi investerer i ny teknologi, hvornår — og for hvem — viser gevinsten sig?

Det har vi set før. Da computere og internet spredte sig i 1970'erne og 1980'erne, var produktivitetsstigningerne længe usynlige i statistikkerne. Økonomen Robert Solow formulerede det berømt: "Du kan se computeralderen overalt, undtagen i produktivitetsstatistikkerne." Det fænomen kaldes produktivitetsparadokset, og spørgsmålet er, om vi er ved at gentage det med AI.

For at besvare spørgsmålet empirisk skal vi helst kunne måle tre ting:

Hvad investerer virksomheder konkret i AI?
Hvordan ændrer deres produktivitet og overskud sig efterfølgende?
Kan vi isolere AI's bidrag fra alt det andet, der sker på samme tid?

Alle tre målinger er svære. AI-investeringer indgår ofte ikke som en separat post i regnskaber. Produktivitetsgevinster kan tage år at materialisere. Og det er metodisk vanskeligt at skille AI's effekt fra konjunkturer, brancheforhold og ledelseskvalitet.

Hvad ved vi

Techgiganterne tjener — men er det hele historien? ✓✓

Torsten Sløks analyse peger på en klar skævhed: De virksomheder, der tydeligt profiterer på AI-bølgen, er dem der sælger adgang til AI — altså de store amerikanske techselskaber. Nvidia, Microsoft, Google og Amazon ser rekordhøje indtægter, men det afspejler primært, at andre virksomheder køber deres produkter og kapacitet. For de virksomheder, der anvender AI som et produktionsredskab, er beviserne for forbedret bundlinje langt mere blandede.

Afkastet er ujævnt fordelt ✓

En større gennemgang af den empiriske forskning på området, publiceret i 2025, bekræfter billedet: AI kan løfte produktiviteten, men effekterne varierer enormt på tværs af sektorer, virksomhedsstørrelser og geografier. Forskningsoversigten finder, at gevinster er veldokumenterede i visse specifikke anvendelser — særligt i opgaver, der handler om at behandle store mængder tekst eller data — men at de samlede makroøkonomiske effekter endnu er begrænsede og svære at måle (Dai, 2025).

Tidlige adoptører og store virksomheder ser mest ✓

Et centralt fund i forskningen er, at AI-gevinsterne tilfalder virksomheder, der tidligt og systematisk implementerer teknologien — og som i forvejen har stærke digitale fundament. En analyse fra 2026 dokumenterer, at afkastet fra AI-investeringer falder markant for sene adoptører: De første virksomheder i en branche, der tager AI til sig, høster uforholdsmæssigt store gevinster, mens efterfølgerne oplever markant lavere — og i nogle tilfælde negative — afkast (Agyekum, 2026). Det skaber et "AI-produktivitetsudbytte", der aftager over tid, efterhånden som konkurrencefordelen udjævnes.

SMV'er har sværere ved det ✓

Forskning i digitalisering og teknologiadoption i SMV-dominerede økosystemer viser et gennemgående mønster: Små og mellemstore virksomheder (SMV'er) har sværere ved at hente gevinster ud af avancerede digitale teknologier end store virksomheder. Det skyldes forskelle i adgang til kapital, kompetencer og datamængder (Mundzir, 2026). Samme mønster er dokumenteret for ældre digitale teknologier som ERP-systemer og cloud computing — og der er grund til at forvente, at det gælder AI i endnu højere grad, da AI kræver store datamængder og specialiseret knowhow for at fungere optimalt.

Danmarks Nationalbank ser potentiale — men ikke garanti ~

Danmarks Nationalbank konkluderer i en analyse fra 2026, at AI har potentiale til at løfte produktiviteten i dansk økonomi — men understreger, at effektens størrelse og timing er usikker. Nationalbanken peger på, at gevinsten forudsætter, at virksomheder faktisk evner at omstille arbejdsprocesser og organisationsstrukturer, og at det typisk tager tid. Analysen er forsigtig optimistisk, men afviser ikke, at der kan gå adskillige år, før de makroøkonomiske effekter bliver synlige (Nationalbanken, 2026).

Hvad ved vi ikke

Der er betydelige huller i den eksisterende viden:

Vi mangler gode tal fra virksomhedernes indre. De fleste empiriske studier arbejder med aggregerede regnskabsdata eller spørgeskemaundersøgelser. Vi ved meget lidt om, hvad der konkret sker inde i virksomheder, når de implementerer AI — hvilke processer ændres, hvem bruger det, og hvad er de faktiske tidsbesparelser?

Vi ved ikke, hvad "mislykket AI-implementering" koster. De studier, der måler AI's effekt, finder typisk effekter blandt virksomheder, der allerede bruger AI. Men vi ved meget lidt om de mange implementeringer, der stiltiende opgives eller aldrig rigtigt tages i brug — og hvad de har kostet.

Vi kender ikke skaleringstidspunktet. En central ubekendt er, hvornår — og om — AI-gevinsterne breder sig ud over de tidlige adoptører og techgiganternes kundekreds. Historisk har transformative teknologier som elektricitet og computere taget årtier om at manifestere sig bredt i produktivitetsstatistikker. Om AI følger samme mønster, eller om det er strukturelt anderledes, er uafklaret.

Effekten på SMV'er er underbelyst. Størstedelen af forskningen fokuserer på store virksomheder i USA og andre angelsaksiske lande. Vi ved meget lidt om, hvad AI betyder for de mange tusinde danske SMV'er, der udgør rygraden i dansk erhvervsliv.

Hvad eksperter er uenige om

~ Er vi midt i en boble eller en transformationsperiode?

Her er den reelle ekspertfaglige splittelse. På den ene side står økonomer som Torsten Sløk, der mener, at forventningerne til AI's erhvervsøkonomiske potentiale er urealistisk oppustede — og at markedet endnu ikke har konfronteret sig med, at størstedelen af AI-investeringerne ikke genererer målbare afkast. AI behandles som en udgift, ikke en investering, og det afspejler sig ikke i P/E-nøgletal og virksomhedernes egne forventninger.

På den anden side argumenterer en anden gruppe økonomer og teknologiforskere for, at vi befinder os i en klassisk teknologisk transformationsperiode, hvor gevinster altid materialiserer sig med forsinkelse. De sammenligner med elektriciteten i begyndelsen af det 20. århundrede: Virksomheder brugte årtier på at reorganisere produktionen, inden produktivitetsstigningerne for alvor slog igennem. I dette perspektiv er fraværet af klare bundlinjegevinster i 2026 ikke bevis for, at AI ikke virker — det er bevis for, at vi stadig er i tidlig fase.

~ Betyder organisatorisk forandring mere end teknologien selv?

Forskning i AI og produktivitet peger gentagne gange på, at teknologien alene ikke er nok. Afkastet afhænger i høj grad af, om virksomheder formår at ændre arbejdsprocesser, uddanne medarbejdere og redesigne organisationen. Det rejser spørgsmålet om, hvad vi egentlig måler: Er lave AI-afkast et bevis på, at AI ikke virker — eller at virksomheder endnu ikke har omstillet sig tilstrækkeligt? Her er forskerne uenige om, hvad data faktisk viser (Mundzir, 2026; Agyekum, 2026).

⚖ Hvem bør bære investeringsrisikoen?

Et underliggende værdispørgsmål i debatten er, om det er rimeligt, at virksomheder — og i sidste ende forbrugere og skatteydere — finansierer en teknologisk transformation, hvis gevinster primært tilfalder en håndfuld amerikanske techselskaber og deres aktionærer. Det er ikke et empirisk spørgsmål, men et politisk og etisk — og det er værd at holde adskilt fra diskussionen om, hvad forskningen faktisk viser.

Konklusion

Den ærlige svar på spørgsmålet "hvad ved vi om AI's reelle effekt på virksomheders bundlinje?" er: Mindre end den offentlige debat antyder.

Vi ved, at techgiganter tjener store penge på at sælge AI-infrastruktur. Vi ved, at tidlige adoptører med de rette forudsætninger kan hente reelle produktivitetsgevinster. Og vi ved, at afkastet falder markant for dem, der kommer sent ind, og for virksomheder uden stærke digitale fundament i forvejen.

Vi ved derimod ikke, hvornår — eller om — AI-gevinsterne breder sig til bredere dele af erhvervslivet. Vi ved ikke, hvad de mange implementeringer, der mislykkes, reelt koster. Og vi mangler solid viden om, hvad AI betyder for de danske SMV'er, som udgør størstedelen af dansk erhvervsliv.

For danske virksomheder, der overvejer AI-investeringer, er det centrale takeaway: Teknologien er ikke en gratis gevinst, og "alle andre gør det" er ikke et tilstrækkeligt argument. Spørgsmålene om hvilken konkret proces AI skal forbedre, om virksomheden har data og kompetencer til at gøre det, og om organisationen er klar til at ændre sig — er vigtigere end selve investeringsbeslutningen.

Torsten Sløks observation om, at AI i stigende grad behandles som en udgift frem for en profitdriver, er ikke nødvendigvis dødsstødet for AI-optimismen. Men det er en påmindelse om, at teknologisk hype og forretningsmæssig realitet ikke altid følges ad — og at bevisbyrden for AI's bundlinjeeffekt endnu ikke er løftet.